Εξόρυξη δεδομένων για βελτιωμένη λήψη αποφάσεων στο μάρκετινγκ: εφαρμογές σε δεδομένα συμπεριφοράς καταναλωτών σε φυσικό και ψηφιακό περιβάλλον με την χρήση μοντέλου μηχανικής μάθησης

Περίληψη

Καθημερινά παράγεται υπερβολικός όγκος δεδομένων και το ταξίδι του καταναλωτή γίνεται εξαιρετικά περίπλοκο. Οι βιομηχανίες και οι υπεύθυνοι λήψης αποφάσεων προσπαθούν να ακολουθήσουν τις νέες τάσεις και επενδύουν τεράστια ποσά χρημάτων προσπαθώντας να μεταφράσουν τα δεδομένα τα οποία συλλέγονται από την συμπεριφορά των καταναλωτών σε πληροφορία. Η ανάγκη χρήσης μοντέλων τεχνητής νοημοσύνης τα οποία θα συνδυάζουν δεδομένα μάρκετινγκ και μεθόδους επιστήμης υπολογιστών είναι επιτακτική. Η εξόρυξη δεδομένων, η μηχανική μάθηση και οι μέθοδοι βαθιάς μάθησης λειτουργούν συμπληρωματικά στην επιστήμη του μάρκετινγκ μέσω της ταξινόμησης δεδομένων, της βελτιστοποίησης περιεχομένου και των τεχνικών εξατομίκευσης των χρηστών χρησιμοποιώντας μεθόδους ανάλυσης, διαχείρισης και αναπαράστασης δεδομένων για τη παραγωγή αποτελεσμάτων υψηλής ακρίβειας.Η διδακτορική διατριβή αποτελείται από δύο μέρη: Το θεωρητικό και το πρακτικό. Το θεωρητικό μέρος περιλαμβάνει εισαγωγικές και σημαντικές έννοιες των επιστη ...
περισσότερα

Περίληψη σε άλλη γλώσσα

An excessive amount of data is daily generated, and the customer’s journey becomes extremely complicated. Industries and decision makers struggle to follow the new trends and they invest huge budgets trying to close the gap between the data and the consumer’s behavior. The need of using artificial intelligence (AI) models which combine marketing data and computer science methods seems imperative. Data mining, machine learning (ML), and deep learning methods act complementary to marketing science through the data classification, the user profiling, the content optimization techniques using data analysis, management, representation methods, and tools to generate highly accurate results. The thesis consists of two parts: the theoretical and the practical. The theoretical part bridges the gap between marketing and informatics engineering by conducting a literature review on cornerstone marketing and computer science definitions including physical and digital marketing, consumer behavior, A ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/51942
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/51942
ND
51942
Εναλλακτικός τίτλος
Data mining for enhanced marketing decision making: applications in consumers’ behavior data in online and offline environment using a machine learning model
Συγγραφέας
Γκίκας, Δημήτριος του Κωνσταντίνος
Ημερομηνία
2022
Ίδρυμα
Πανεπιστήμιο Πατρών. Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων. Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προιόντων και Τροφίμων
Εξεταστική επιτροπή
Θεοδωρίδης Προκόπιος
Βλαχοπούλου Μαρία
Μπεληγιάννης Γρηγόριος
Πανόπουλος Αναστάσιος
Μαντάς Μιχαήλ
Πούλης Αθανάσιος
Θεοδωρίδης Θεόδωρος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Τεχνητή νοημοσύνη
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Διεπιστημονικές εφαρμογές επιστήμης ηλεκτρονικών υπολογιστών
Κοινωνικές ΕπιστήμεςΟικονομικά και Επιχειρήσεις ➨ Μάρκετινγκ
Κοινωνικές ΕπιστήμεςΟικονομικά και Επιχειρήσεις ➨ Επιστήμη λήψης αποφάσεων
Λέξεις-κλειδιά
Μάρκετινγκ; Συμπεριφορά καταναλωτή; Λήψη αποφάσεων; Μηχανική μάθηση; Εξόρυξη δεδομένων; Μέθοδος περιτυλίγματος; Γενετικός αλγόριθμος; Δέντρα απόφασης; Συμπεριφορά χρηστών; Τεχνητή νοημοσύνη
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)